MétaCan
Menu
Retour à la cohorte
Enregistrement W2981795176 · doi:10.3390/f10110955

Functionalized Surface Layer on Poplar Wood Fabricated by Fire Retardant and Thermal Densification. Part 1: Compression Recovery and Flammability

2019· article· en· W2981795176 sur OpenAlexaff
Demiao Chu, Jun Mu, Stavros Avramidis, Sohrab Rahimi, Shengquan Liu, Zongyuan Lai

Notice bibliographique

RevueForests · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFundamental Research Funds for the Central Universities
Mots-clésFire retardantFlammabilityMaterials scienceComposite materialThermal stabilityCompression (physics)HardnessSurface modificationCone calorimeterFire testLayer (electronics)Fire resistanceNitrogenChemical engineeringPyrolysisChemistry

Résumé

récupéré en direct d'OpenAlex

To enhance compression stability and fire retardancy of densified wood, a new modification method i.e., combined nitrogen–phosphorus (NP) fire retardant pre-impregnation with surface thermo-mechanical densification is used to fabricate a certain thickness of functionalized surface layer on poplar. This combined treated wood is investigated via vertical density profile (VDP), and the compression stability is revealed by both soaking test and cone analysis. Results demonstrate that the combined treatment hardened the surface of wood and reformed the interface combination of the NP with the wood cell wall, thus making the surface tissue more close-grained. Fire retardancy was also enhanced; the total heat release and CO generation values decreased by 21.9% and 68.4%, respectively, when compared with that of solely NP-treated wood. Moreover, surface hardness increased by 15.8%, and the recovery of surface hardness and thickness were 56.8% and 77.2% lower than that of simply densified wood. It appears that this NP-involved thermal densification could be considered as an alternative approach to enhance both the compression stability and fire resistance of wood.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,365

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,186
Écart entre enseignants0,175 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetWood Treatment and PropertiesTravaux en français237 207